白粉病(PM)是一种严重影响苹果产量和品质的真菌病害。传统的PM识别技术非常费力。本研究评估了无损可见光成像和多光谱成像在苹果园PM检测中的适用性。

(a)可见和(a)多光谱图像的数据分析流程图

高分辨率(a)RGB，(b)PM留下二元蒙版，(c)遮盖了树冠和(d)k均值分类的图像，其中感染的叶子呈橙色。

首先，利用两个小型无人机系统(UAS)(一个UAS安装消费级RGB相机，而另一个UAS安装五波段多光谱成像传感器)在苹果树PM侵染的已知地点获取图像快照。研究人员为了RGB和多光谱图像分析开发了自定义图像处理算法。然后，对RGB图像进行k-means分类，PM检测准确率为76.4%。实际PM团簇的数量与分类的团簇之间也有很强的一致性(R²=0.94)。从多光谱图像中提取7个植被指数(VIs)作为潜在的叶绿素变化指标。感染PM叶片与健康叶片的上述指标差异显著(p<0.05)。改良的简单比率-红色，改良的简单比率-蓝色和优化的土壤调整植被指数差异最为显著，感染PM值低(平均值：0.01-0.05)，而健康叶片指数值高(平均值：0.51-0.84)。

苹果园RGB图像中实际PM簇数和分类PM簇数之间的比较

被白粉病感染的叶子：(a)RGB，(b)NDVI，(c)GNDVI， (d)BNDVI，(e)NDRE，(f)MSRR，(g)MSRB和(h)OSAVI图像

综上所述，该方在检测和量化果园PM侵染的具有较高潜力，但是需要进一步努力将这些结果转化为在果园水平上绘制PM感染分布图，从而有助于特定地点的补救措施。

健康的叶子：(a)RGB，(b)NDVI，(c)GNDVI，(d)BNDVI，(e)NDRE，(f)MSRR，(g)MSRB和(h)OSAVI图像

来源：

Abhilash K. Chandel, Lav R. Khot and Bernardita C. Sallato. Towards rapid detection and mapping of powdery mildew in apple orchards. 2020 IEEE International Workshop on Metrology for Agriculture and Forestry. DOI: 10.1109/MetroAgriFor50201.2020.9277544.